基于概率邻域覆盖集的三维UASNs的移动数据收集方法技术

本发明专利技术公开了一种基于概率邻域覆盖集的三维UASNs的移动数据收集方法，包括如下步骤：构建3D水声传感网概率性通信模型；基于构建的3D水声传感网概率性通信模型建立概率邻域覆盖集作为AUV的停驻点；基于概率邻域覆盖集规划AUV的数据收集路径，进行全网的数据收集。本发明专利技术采用概率性水声通信模型，数据收集距离可根据概率需求灵活调整；利用AUV进行数据收集，有效减少了传感器节点进行数据传输的能耗，延长了网络寿命；通过构建概率邻域覆盖集，AUV无需遍历所有传感器节点，有效缩短了数据收集完成时间，从而减少了数据延迟；通过改变数据传输成功概率p的值和数据传输轮数，提供了一种有效的均衡信息增益和数据延迟的解决方案。

Three dimensional UASNs mobile data collection method based on probabilistic neighborhood covering set

The invention discloses a three-dimensional mobile data set based on UASNs coverage probability neighborhood collection method, which comprises the following steps: constructing 3D underwater acoustic sensor networks communication probability model; probability of 3D underwater acoustic sensor networks communication model to construct probabilistic neighborhood covering sets as AUV parking points based on probability; neighborhood covering planning AUV data collect the path based on the whole network data collection. The invention adopts a probabilistic model of underwater acoustic communication, data collection distance according to the probability of demand flexible adjustment; data collection by AUV, effectively reduce the energy consumption of sensor nodes for data transmission, prolong the network lifetime; by constructing probabilistic neighborhood covering sets, AUV without traversing all sensor nodes, effectively shorten the data collection time, in order to reduce the data delay; data transmission success probability by changing the value of P and data transmission rounds, provides an effective and balanced information gain and delay data solutions.

【技术实现步骤摘要】

本专利技术属于水声传感器网络领域，具体涉及一种基于概率邻域覆盖集的三维UASNs的移动数据收集方法。
技术介绍
水下数据收集对水声传感器网络(underwater acoustic sensor networks，UASNs)的应用具有至关重要的意义，无论是水下环境的监测和管理还是水下灾害监测预警，人们都需要利用UASNs收集获取到感知监测区域的兴趣消息，然后对信息进行分析处理和存储挖掘等操作，最终才能做出合理有效的决策。在UASNs的很多应用中，数据收集需要传输大量的感知数据，而大量感知数据在网络中传输，会产生大量通信开销。此外，由于节点能量是有限的电量的电池供应的而不是持续供给的，为了能够在检测区域获得更多的检测数据，保证网络的有效性，延长网络寿命就是首要的任务。因此，如何在保证信息增益的情况下，尽可能地延长网络寿命并，是一个极具挑战性的问题。目前，对水声传感器网络数据收集方法的相关研究文献如下：1、Wang等人在2008年的《International Conference on Distributed Computing Systems Workshops》上发表的文章“Data Collection with Multiple Mobile Actors in Underwater Sensor Networks”提出了一个采用多个mobile actors以获取高时间精度数据的水下数据收集方案。该方案主要包含三个算法：区域划分及actors分散算法、子区域优化算法，以及虚拟簇生成算法。该方案首先根据边界节点位置将网络划分成4n个区域，再根据节点个数估计每个子区域的收集时延，并对子区域进行优化，然后将按照一定的位置策略将actors部署到每一个子区域，建立虚拟簇进行数据收集。2、Domingo等人在2011年的《Wireless Personal Communications》上发表的文章“A Distributed Energy-Aware Routing Protocol for Underwater Wireless Sensor Networks”提出了一种能量高效的分布式聚簇方案DUCS，该方案通过分簇和数据聚合数据来消除冗余信息，以此达到减少网络能耗的目的。尽管分簇是优化大型网络总能耗的一种有效方法，但是这种方法会造成簇头节点能耗不均的问题。3、Hollinger等人在2012年的《IEEE Journal on Selected Areas in Communications》上发表的文章“Underwater Data Collection using Robotic Sensor Networks”提出了一个采用AUV进行水声传感器网络数据收集的方案。该方案将规划AUV路径进行水下数据收集、在最小化路径消耗的同时最大花数据收集的问题定义为通信约束下的数据收集问题(CC-DCP)，并将CC-DCP问题公式化，提出了一个启发式近似算法，最终提出三种适用于不同场景的2D启发式路径规划方案。4、Ilyas等人在2015年的《Procedia Computer Science》上发表的文章“AEDG:AUV-aided Efficient Data Gathering Routing Protocol for Underwater WirelessSensor Networks”提出了AUV辅助的数据收集方法AEDG，其目的在于实现UASNs中的可靠数据收集。在AEDG中，网关采用最短路径树算法收集节点数据，之后AUV沿预设的椭圆形轨迹从网关收集数据。该方法可以有效地平衡能量消耗，延长网络的生命周期，然而AEDG是基于确定性通信模型的，而在UASNs的实际应用中，数据传输成功率是随距离降低的。5、Khan等人在2015年的《Sensors》上发表的文章“A Distributed Data-Gathering Protocol Using AUV in Underwater Sensor Networks”提出了一个分布式数据收集方案AUV-PN。在该方案中，AUV执行两个阶段：网络划分之旅(NPT)和数据收集之旅(DGT)。在NPT阶段，AUV首先将整个网络分成多个簇，每个簇根据LEACH协议选择一个簇头节点CH；然后，CH进一步将簇分为多个子簇，并为每一个子簇指定一个path-node(PN)来收集子簇内成员节点MN的当地数据。划分完网络后，AUV开始执行DGT。在该方案中，AUV只需访问CH和PN，就可采集全网数据，有效地缩短了数据收集时间。然而，在该方案中，PN需要收集子簇内的所有数据，而PN的选取只考虑了子簇中数据上传的总能耗开销，未考虑剩余能量问题，额外的通信开销会导致PN过早死亡，影响整个网络的生命周期。6、Jalaja等人在2015年的《Lecture Notes in Computer Science》上发表的文章“Adaptive data collection in sparse underwater sensor networks using mobile elements”提出了移动辅助的自适应数据收集方法，该方法通过采用移动元素来降低网络能耗，通过一种轮询机制减少数据延迟。然而，由于该方法中移动元素需要移动到所有节点进行数据收集，因此尽管采用了轮询机制，数据延迟依然很大。综上所述，目前水声传感器网络中基于移动元素进行数据采集时普遍存在的问题是：1)大多数水声传感器网络数据收集方案的设计都是基于理想的确定性水声通信模型，而在实际应用中，水声信道的数据传输成功率是随距离衰减的，当数据传输失败时，数据收集将无法完成；2)基于聚簇的数据收集方法会使得簇头节点的能耗增加，最终导致网络能耗不均，降低网络寿命；3)大多数基于移动辅助的数据收集方法都是假设传感器节点部署于同一个平面，不能有效地应用于3D水环境。
技术实现思路
为了解决现有的水声传感器网络数据收集技术中存在的诸多问题和不足，本专利技术提出了一种基于概率邻域覆盖集的3D水声传感器网络移动数据收集方法，主要通过构建节点概率邻域，选取合适的概率邻域覆盖集节点作为访问点，由AUV到达这些访问点处来收集各概率邻域中节点采集到的数据，以有效平衡网络负载，降低节点能耗，延长网络生命。实现上述技术目的，达到上述技术效果，本专利技术通过以下技术方案实现：一种基于概率邻域覆盖集的三维UASNs的移动数据收集方法，包含如下步骤：(1)网络概率性通信模型构建：根据三维UASNs的特性，综合考虑声波衰落、洋流表面活动、湍流噪声、风、热噪声等因素，构建三维UASNs的概率性通信模型；(2)概率邻域覆盖集建立：基于构建的概率性通信模型建立概率邻域覆盖集作为AUV的停驻点；(3)数据收集路径规划：基于已经建立的概率邻域覆盖集，采用贪婪启发式策略规划AUV的路径，缩短路径长度，以减少数据时延；(4)数据收集：AUV沿规划好的路径开始数据收集过程，当AUV靠近选定的停驻点时，采用调度协议收集当前概率邻域内节点的数据。在本专利技术所述的基于概率邻域覆盖集的三维UASNs的移动数据收集方法中，节点的部署信息是已知的。在步骤(1)所述的水声传感器网络概本文档来自技高网...

【技术保护点】
一种基于概率邻域覆盖集的三维UASNs的移动数据收集方法，其特征在于，包含如下步骤：(1)网络概率性通信模型构建：根据三维UASNs的特性，考虑声波衰落、洋流表面活动、湍流噪声、风、热噪声的因素，构建三维UASNs的概率性通信模型；(2)概率邻域覆盖集建立：基于构建的概率性通信模型建立概率邻域覆盖集作为AUV的停驻点；(3)数据收集路径规划：基于已经建立的概率邻域覆盖集，采用贪婪启发式策略规划AUV的路径，缩短路径长度，以减少数据时延；(4)数据收集：AUV沿规划好的路径开始数据收集过程，当AUV靠近选定的停驻点时，采用调度协议收集当前概率邻域内节点的数据。

【技术特征摘要】
1.一种基于概率邻域覆盖集的三维UASNs的移动数据收集方法，其特征在于，包含如下步骤：(1)网络概率性通信模型构建：根据三维UASNs的特性，考虑声波衰落、洋流表面活动、湍流噪声、风、热噪声的因素，构建三维UASNs的概率性通信模型；(2)概率邻域覆盖集建立：基于构建的概率性通信模型建立概率邻域覆盖集作为AUV的停驻点；(3)数据收集路径规划：基于已经建立的概率邻域覆盖集，采用贪婪启发式策略规划AUV的路径，缩短路径长度，以减少数据时延；(4)数据收集：AUV沿规划好的路径开始数据收集过程，当AUV靠近选定的停驻点时，采用调度协议收集当前概率邻域内节点的数据。2.根据权利要求1所述的基于概率邻域覆盖集的三维UASNs的移动数据收集方法，其特征在于，所述的数据收集方法适用于节点部署信息已知的网络。3.根据权利要求1所述的基于概率邻域覆盖集的三维UASNs的移动数据收集方法，其特征在于，步骤(1)所述的三维UASNs的概率性通信模型的特征在于：数据传输成功率随距离增长而衰减。4.根据权利要求1所述的基于概率邻域覆盖集的三维UASNs的移动数据收集方法，其特征在于，步骤(2)所述的概率邻域定义为：概率邻域Ψn为三维UASNs中到位置xv的数据传输成功率P(xv,xn)≥p的所有位置xv的集合。5.根据权利要求1所述的基于概率邻域覆盖集的三维UASNs的移动数据收集方法，其特征在于，步骤(2)所述的建立概率邻域覆盖集的具体包括如下步骤：(2-1)根据三维UASNs的概率性通信模型，计算数据传输成功概率p与传输距离d_p的关系；(2-2)根据需要的数据传输成功概率p构建所有节点的概率邻域作为概率邻域候选集；(2-3)贪婪地选择概率邻域候选集中权重值最大的概率邻域加入概率邻域覆盖集，并从概率邻域候选集中移除入选的概率邻域及该概率邻域覆盖到的节点的概率邻域；(2-4)判断概率邻域候选集是否为空，若为空，则概率邻域覆盖集建立完成；否则重新计算概率邻域候选集中概率邻域的权重，转入步骤(2-3)。6.根据权利要求...

【专利技术属性】
技术研发人员：韩光洁，李珊珊，刘立，江金芳，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：江苏;32